se reorganiza tests/ y se agrega suite pytest

Los scripts manuales pasan a tools/ y los correos de ejemplo a
tests/fixtures/. Suite de 95 pruebas: caracterización de la extracción sobre
los 46 correos (resultados esperados en tests/golden/, fuera de la carpeta
que descargar_correos_prueba borra), unitarias de draft_sap, notificaciones,
documentos, adjuntos y config_validator, y flujo completo de
_procesar_un_correo con SAP/HANA/Outlook simulados. pytest como dependencia
dev y configuración en pyproject.toml.

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

tools/procesar_pdfs_prueba.py

@@ -0,0 +1,146 @@
+import os
+import sys
+import json
+from typing import Optional
+
+sys.path.insert(0, os.path.join(os.path.dirname(__file__), ".."))
+
+from pdf_utilities import extraer_datos_pdf, TIPO_MAP, renombrar_pdf
+from sunat_schema import split_serie_numero
+
+
+CARPETA_BASE = os.path.join(os.path.dirname(os.path.abspath(__file__)), "..", "tests", "fixtures", "correos_prueba")
+
+
+def normalizar_datos_pdf(data: dict) -> Optional[dict]:
+    if not data or data.get("error"):
+        return None
+
+    tipo = TIPO_MAP.get((data.get("tipo_documento") or "").upper())
+    if not tipo:
+        return None
+
+    serie_numero = data.get("serie_numero") or ""
+    serie, numero = split_serie_numero(serie_numero)
+
+    doc = {
+        "ruc_emisor": data.get("ruc_emisor"),
+        "razon_social_emisor": data.get("nombre_receptor"),
+        "fecha_emision": data.get("fecha_emision"),
+        "tipo": tipo,
+        "serie": serie,
+        "numero": numero,
+        "ruc_receptor": data.get("ruc_receptor"),
+        "razon_social_receptor": data.get("nombre_receptor"),
+        "total_factura": data.get("monto_total"),
+        "documentos_referencia": [],
+        "tiene_detraccion": False,
+        "codigo_detraccion": None,
+        "porcentaje_detraccion": None,
+        "monto_detraccion": None,
+        "lineas": [],
+    }
+
+    # Detracción
+    det = data.get("detraccion")
+    if det and det.get("tiene"):
+        doc["tiene_detraccion"] = True
+        doc["porcentaje_detraccion"] = det.get("porcentaje")
+        doc["monto_detraccion"] = det.get("monto")
+
+    # Documentos relacionados (para guía transportista)
+    for rel in data.get("documentos_relacionados") or []:
+        if isinstance(rel, dict):
+            doc_ref = rel.get("documento", "")
+        else:
+            doc_ref = str(rel)
+        r_serie, r_numero = split_serie_numero(doc_ref)
+        if r_serie:
+            doc["documentos_referencia"].append({
+                "tipo": "09" if r_serie[:1] == "T" else "31",
+                "serie": r_serie,
+                "numero": r_numero,
+            })
+
+    # Líneas de detalle
+    for item in data.get("items") or []:
+        linea = {
+            "descripcion": item.get("descripcion", ""),
+            "cantidad": item.get("cantidad"),
+            "precio_unitario": item.get("precio_unitario"),
+            "total_linea": item.get("total"),
+            "guias_remision": [],
+            "guia_transportista": None,
+        }
+        # Guías de remisión desde el PDF
+        for g in item.get("guias_remision") or []:
+            m = __import__("re").search(r"\b([TVE][A-Z0-9]{3,4})\s*-?\s*(\d+)", g)
+            if m:
+                linea["guias_remision"].append({
+                    "tipo": "09",
+                    "serie": m.group(1).upper(),
+                    "numero": m.group(2).lstrip("0") or "0",
+                })
+        # Guía transportista desde el PDF
+        gt = item.get("guia_transportista")
+        if gt:
+            m = __import__("re").search(r"\b([TVE][A-Z0-9]{3,4})\s*-?\s*(\d+)", gt)
+            if m:
+                linea["guia_transportista"] = {
+                    "tipo": "31",
+                    "serie": m.group(1).upper(),
+                    "numero": m.group(2).lstrip("0") or "0",
+                }
+        doc["lineas"].append(linea)
+
+    return doc
+
+
+def procesar_carpetas():
+    carpetas = sorted(
+        [d for d in os.listdir(CARPETA_BASE) if os.path.isdir(os.path.join(CARPETA_BASE, d))]
+    )
+
+    total = 0
+    for carpeta in carpetas:
+        ruta_carpeta = os.path.join(CARPETA_BASE, carpeta)
+        archivos_pdf = sorted(
+            os.path.join(ruta_carpeta, f) for f in os.listdir(ruta_carpeta)
+            if f.lower().endswith(".pdf") and os.path.isfile(os.path.join(ruta_carpeta, f))
+        )
+
+        if not archivos_pdf:
+            continue
+
+        correlativo = carpeta.split("_")[0]
+
+        documentos = []
+        for pdf_path in archivos_pdf:
+            print(f"📄 {carpeta}/{os.path.basename(pdf_path)}")
+            data = extraer_datos_pdf(pdf_path)
+            if data and not data.get("error"):
+                nuevo_path = renombrar_pdf(pdf_path, data)
+                if nuevo_path != pdf_path:
+                    data["archivo"] = os.path.basename(nuevo_path)
+                doc = normalizar_datos_pdf(data)
+                if doc:
+                    doc["ruta_pdf"] = nuevo_path
+                    documentos.append(doc)
+                    desc = f"{doc.get('tipo','?')} {doc.get('serie','?')}-{doc.get('numero','?')}"
+                    print(f"   ├── ✅ {desc}")
+            else:
+                print(f"   ├── ⚠️  Error: {data.get('error', 'desconocido')}")
+
+        if documentos:
+            ruta_json = os.path.join(ruta_carpeta, f"pdf_resultado_{correlativo}.json")
+            with open(ruta_json, "w", encoding="utf-8") as f:
+                json.dump(documentos, f, ensure_ascii=False, indent=2)
+            print(f"   └── 💾 Guardado: pdf_resultado_{correlativo}.json ({len(documentos)} doc(s))")
+            total += len(documentos)
+
+    print(f"\n{'='*60}")
+    print(f"📊 Total documentos PDF procesados: {total}")
+
+
+if __name__ == "__main__":
+    procesar_carpetas()